146

假设我有一个 2 矩阵和一个将 2 向量作为其参数之一的函数。我想将该函数应用于矩阵的每一行并获得一个 n 向量。如何在 R 中做到这一点？

例如，我想计算三个点上的二维标准正态分布的密度：

bivariate.density(x = c(0, 0), mu = c(0, 0), sigma = c(1, 1), rho = 0){
    exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+x[2]^2/sigma[2]^2-2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
}

out <- rbind(c(1, 2), c(3, 4), c(5, 6))

如何将函数应用于每一行out？

如何以您指定的方式将除点之外的其他参数的值传递给函数？

4

6 回答 6

195

您只需使用以下apply()功能：

R> M <- matrix(1:6, nrow=3, byrow=TRUE)
R> M
     [,1] [,2]
[1,]    1    2
[2,]    3    4
[3,]    5    6
R> apply(M, 1, function(x) 2*x[1]+x[2])
[1]  4 10 16
R>

这需要一个矩阵并对每一行应用一个（愚蠢的）函数。您将额外的参数作为第四个，第五个，...参数传递给函数apply()。

于 2010-11-21T04:05:46.680 回答
17

这是一个将函数应用于矩阵的每一行的简短示例。（这里，应用的函数将每一行归一化为 1。）

注意：apply()必须使用转置的结果t()才能获得与输入矩阵相同的布局A。

A <- matrix(c(
  0, 1, 1, 2,
  0, 0, 1, 3,
  0, 0, 1, 3
), nrow = 3, byrow = TRUE)

t(apply(A, 1, function(x) x / sum(x) ))

结果：

     [,1] [,2] [,3] [,4]
[1,]    0 0.25 0.25 0.50
[2,]    0 0.00 0.25 0.75
[3,]    0 0.00 0.25 0.75
于 2014-11-04T12:37:14.073 回答
17

如果您想应用 sum 或 mean 等常用函数，您应该使用rowSumsorrowMeans因为它们比apply(data, 1, sum)方法更快。否则，坚持apply(data, 1, fun). 您可以在 FUN 参数之后传递其他参数（正如 Dirk 已经建议的那样）：

set.seed(1)
m <- matrix(round(runif(20, 1, 5)), ncol=4)
diag(m) <- NA
m
     [,1] [,2] [,3] [,4]
[1,]   NA    5    2    3
[2,]    2   NA    2    4
[3,]    3    4   NA    5
[4,]    5    4    3   NA
[5,]    2    1    4    4

然后你可以做这样的事情：

apply(m, 1, quantile, probs=c(.25,.5, .75), na.rm=TRUE)
    [,1] [,2] [,3] [,4] [,5]
25%  2.5    2  3.5  3.5 1.75
50%  3.0    2  4.0  4.0 3.00
75%  4.0    3  4.5  4.5 4.00
于 2010-11-21T18:05:32.790 回答
6

第一步是制作函数对象，然后应用它。如果你想要一个具有相同行数的矩阵对象，你可以预定义它并使用如图所示的 object[] 形式（否则返回的值将被简化为向量）：

bvnormdens <- function(x=c(0,0),mu=c(0,0), sigma=c(1,1), rho=0){
     exp(-1/(2*(1-rho^2))*(x[1]^2/sigma[1]^2+
                           x[2]^2/sigma[2]^2-
                           2*rho*x[1]*x[2]/(sigma[1]*sigma[2]))) * 
     1/(2*pi*sigma[1]*sigma[2]*sqrt(1-rho^2))
     }
 out=rbind(c(1,2),c(3,4),c(5,6));

 bvout<-matrix(NA, ncol=1, nrow=3)
 bvout[] <-apply(out, 1, bvnormdens)
 bvout
             [,1]
[1,] 1.306423e-02
[2,] 5.931153e-07
[3,] 9.033134e-15

如果您想使用默认参数以外的其他参数，则调用应在函数后包含命名参数：

bvout[] <-apply(out, 1, FUN=bvnormdens, mu=c(-1,1), rho=0.6)

apply() 也可以用于高维数组，MARGIN 参数可以是向量也可以是单个整数。

于 2010-11-21T15:01:39.890 回答
6

Apply 做得很好，但速度很慢。使用 sapply 和 vapply 可能很有用。dplyr 的 rowwise 也很有用让我们看一个例子，说明如何对任何数据框进行 row wise 乘积。

a = data.frame(t(iris[1:10,1:3]))
vapply(a, prod, 0)
sapply(a, prod)

请注意，在使用 vapply/sapply/apply 之前分配给变量是一种很好的做法，因为它可以大大减少时间。让我们看看微基准测试结果

a = data.frame(t(iris[1:10,1:3]))
b = iris[1:10,1:3]
microbenchmark::microbenchmark(
    apply(b, 1 , prod),
    vapply(a, prod, 0),
    sapply(a, prod) , 
    apply(iris[1:10,1:3], 1 , prod),
    vapply(data.frame(t(iris[1:10,1:3])), prod, 0),
    sapply(data.frame(t(iris[1:10,1:3])), prod) ,
    b %>%  rowwise() %>%
        summarise(p = prod(Sepal.Length,Sepal.Width,Petal.Length))
)

仔细看看 t() 是如何被使用的

于 2017-05-29T15:32:29.210 回答
2

如果您想使用数据集的不同部分而不是单个值，另一种方法是使用rollapply(data, width, FUN, ...). 使用宽度向量允许您在数据集的不同窗口上应用函数。我用它来构建一个自适应过滤例程，虽然它不是很有效。

于 2011-09-21T16:29:23.370 回答